在 Tensorflow Federated 中查找真实标签和预测标签答案

【问题标题】：Find the true and predicted labels in Tensorflow Federated在 Tensorflow Federated 中查找真实标签和预测标签
【发布时间】：2022-06-17 05:07:23
【问题描述】：

我有一个多类分类问题，并试图通过分析真实值和预测值并生成分类报告来评估联邦学习模型。

但我被 y_true 和 y_pred 卡住了，我不知道如何提取它们以进行联合计算。我的联邦模型训练块：

  for round_num in range(0, NUM_ROUNDS):
    train_metrics = eval_process(state.model, test_data)['eval']
    state, _= iterative_process.next(state, train_data)

    print(f'Round {round_num:3d}: {train_metrics}')
    data_frame = data_frame.append({'Round': round_num,
                                      **train_metrics}, ignore_index=True)
  

  test_metrics = eval_process(state.model, test_data)
  print("The final evaluation is: ")
  print(test_metrics)

  return data_frame

我想要访问的分类报告：

from sklearn.metrics import classification_report

y_pred = model.predict(x_test, batch_size=64, verbose=1)
y_pred_bool = np.argmax(y_pred, axis=1)

print(classification_report(y_test, y_pred_bool))

我们将不胜感激任何帮助。谢谢

【问题讨论】：

标签： python tensorflow machine-learning tensorflow-federated

【解决方案1】：

虽然我不是 sklearn 的专家，但分类报告似乎计算了精度和召回率等内容。您可以简单地将这些相关指标添加到您的模型中（例如，如果您使用 Keras 模型，则通过 tf.keras）和 TFF 中的标准训练/评估流程（例如 tff.learning.build_federated_evaluation）将计算它们并在客户端之间聚合它们.

【讨论】：